NOÇÕES DE TESTE DE NOÇÕES DE TESTE DE HIPÓTESES (I)HIPÓTESES (I)

Teste de hipóteses para a Teste de hipóteses para a proporção populacionalproporção populacional

Métodos EstatísticosMétodos EstatísticosMétodos

Estatísticos

EstatísticaDescritiva

InferênciaEstatística

EstimaçãoTeste de Hipóteses

TESTE DE HIPÓTESESTESTE DE HIPÓTESESTESTE DE HIPÓTESESTESTE DE HIPÓTESESEu acredito que30% da população é careca.

Não está nem perto. Rejeito a hipótese.

Não está nem perto. Rejeito a hipótese.

PopulaçãoPopulação

Amostra Amostra AleatóriaAleatória

05.0ˆ p

ProporçãoProporção

O que é uma hipótese?O que é uma hipótese?

• É uma conjectura sobre um parâmetro populacional.

Por exemplo, a proporção p é um parâmetro populacional.

• A hipótese deve ser estabelecida antes da análise.

Eu acredito que a proporção de pessoas com dengue neste ano no Rio de Janeiro com idade entre 15 e 49 anos é de 45%.

© 1984-1994 T/Maker Co.

EstimaçãoEstimação Teste de HipótesesTeste de Hipóteses

A moeda é honesta ou é desequilibrada?

Qual é a proporção de votos que o candidato A terá na próxima eleição?

Qual é a probabilidade de “cara” no lançamento de uma moeda?

Qual é a proporção de motoristas habilitados de SP que tiveram suas carteiras apreendidas após a vigência da nova lei de trânsito?

O candidato A vencerá a eleição?

A proporção dos moto-ristas habilitados de SP que tiveram suas carteiras apreendidas após a nova lei é maior que 2% ou não?

5

IntroduçãoIntrodução

Em estimação, o objetivo é “estimar” o valor desconhecido de um parâmetro, por exemplo, a proporção p de “indivíduos” em uma população com determinada característica.

A estimativa é baseada no número x de “indivíduos” com a característica numa amostra aleatória de tamanho n.

Entretanto, se o objetivo for saber se o valor observado x nessa amostra dá ou não suporte a uma conjectura sobre o valor de p, trata-se de um teste de hipóteses.

6

Ou seja, queremos testar a hipótese nula H: a moeda é honesta

contra a hipótese alternativa A: a moeda não é honesta.

Exemplo 1:Exemplo 1: Queremos avaliar se uma moeda é honesta.

Em linguagem estatística, essas hipóteses podem ser reescritas como:

H: p = 0,5

A: p 0,5

com p a probabilidade de “cara” da moeda.7

HipótesesHipóteses

De maneira geral, uma hipótese estatística é uma afirmação ou conjectura sobre um parâmetro da distribuição de probabilidades de uma variável aleatória.

Hipótese nula: afirmação sobre p geralmente relacionada a um valor de referência, ou a uma especificação padrão ou histórica.

Hipótese alternativa: afirmação sobre p que suspeitamos ser verdadeira.

No caso especial de teste de hipóteses sobre a proporção populacional p, temos:

8

No nosso exemplo, o parâmetro é a probabilidade p de sair “cara”.

Se consideramos 12 lançamentos independentes da moeda e denotamos por X o número de caras obtidas nesses lançamentos, então

X ~ binomial (12; p).

9

Note que o número de lançamentos está fixado (n=12), portanto fazer conjecturas sobre p é similar a fazer conjecturas sobre o número esperado de sucessos (esperança de X).

Se observarmos 5 caras em 12 lançamentos independentes da moeda, o que podemos concluir?

E se observarmos 4 caras?

“Se nos 12 lançamentos da moeda, observarmos 0,1, 2, 3, 9, 10, 11 ou 12 caras, então rejeitamos a hipótese nula H de que a moeda é honesta.

Caso contrário, não rejeitamos a hipótese H.”

Podemos considerar uma regra de decisão, por exemplo,

Ou 10 caras?

10

No exemplo, segundo a regra de decisão, o conjunto de valores de X que levam à rejeição da hipótese nula HH é {0, 1, 2, 3, 9, 10, 11, 12}.

Denominamos esse conjunto região crítica (RC) ou região de rejeição de HH..

RC = {0, 1, 2, 3, 9, 10, 11, 12} : região de rejeição

RCc = {4, 5, 6, 7, 8} : região de não rejeição de HH

Testar uma hipótese estatística é estabelecer uma regra que nos permita, com base na informação de uma amostra, decidir pela rejeição ou não de HH.

4 5 6 7 80 1 2 3 9 10 11 12

Regra de decisão (teste)Regra de decisão (teste)

Seja x o valor observado da variável aleatória X.

No exemplo, suponha que observamos 2 caras, isto é, x = 2.

Será que a nossa conclusão está correta? 12

124 5 6 7 80 1 2 3 9 10 11

xx RC RC rejeitamos rejeitamos H.H.

Valor observado na amostra

Regra de decisão (teste)Regra de decisão (teste)

Como xx RC RC não rejeitamos não rejeitamos HH (não temos evidência suficiente de que a moeda seja desequilibrada).

Será que a nossa conclusão está correta?

13

4 5 6 7 80 1 2 3 9 10 11 12

Valor observado na amostra

Agora suponha que observamos 4 caras, isto é, x = 4.

Regra de decisão (teste)Regra de decisão (teste)

Ao decidir pela rejeição ou não da hipótese nula HH, podemos cometer dois tipos de erro.

14

x RC rejeitamos H

x RC não rejeitamos H

Erro tipo I:Erro tipo I: (Afirmar que a moeda não é honesta quando na verdade ela é).

ErrosErros

Rejeitar HH quando HH é verdadeira.

Não rejeitar HH quando HH é falsa.

(Afirmar que a moeda é honesta quando na verdade ela é desequilibrada).

15

Erro tipo II:Erro tipo II:

Exemplo: Uma pessoa está sendo julgada.

H: A pessoa é inocente.

A: A pessoa é culpada.

Erro I: A pessoa é condenada apesar de ser inocente.

Erro II: A pessoa é absolvida apesar de ser culpada.

Naturalmente, a Justiça procura reduzir a possibilidade de ocorrer o Erro I, pois entende-se que é mais grave condenar inocentes do que absolver criminosos.

Como pela lei uma pessoa é inocente até que se prove o contrário, as hipóteses são:

Probabilidades de errosProbabilidades de erros

P(erro Ierro I) = P(rejeitar HH | HH é verdadeira) =

: nível de significância do testenível de significância do teste

17

Observações: • e têm uma relação inversa.• Em geral, só podemos controlar um dos erros

(fixando sua probabilidade de ocorrência).

P(erro IIerro II) = P(não rejeitar HH | HH é falsa) =

1 - : poder do testepoder do teste

No exemplo da moeda:

=P(erro Ierro I) = P(rejeitar HH | HH verdadeira )

=P(X RC | p = 0,5)

= P(X=0 | p=0,5) + ... + P(X=3 | p=0,5) + P(X=9 | p=0,5)+

... + P(X=12 | p=0,5)

= 0,0002 + 0,0029 + 0,0161 + 0,0537 + 0,0537 +

0,0161 + 0,0029 + 0,0002

= 0,1458

H: p = 0,5A: p 0,5

RC = {0,1,2,3,9,10,11,12}

X ~ binomial (12; p)

121086420

0,25

0,20

0,15

0,10

0,05

0,00

x

P(X

= x

)

Valor de E(X) sob H

Re

giã

o d

e

reje

içã

o

Re

giã

o d

e

reje

içã

o

Re

giã

o d

e

não

re

jeiç

ão

Verdadeiro valor de p Decisão p = 0,5 (H é verd.) p 0,5 (A é verd.)

Não rejeitar H Decisão correta 1 - = 0,8542

Erro II

Rejeitar H Erro I = 0,1458

Decisão correta 1 -

21

Se alterarmos a regra de decisão para RC = {0, 1, 2, 10, 11, 12}, isto é, concluiremos que a moeda é desonesta se o número de caras for 0, 1, 2, 10, 11 ou 12, o que acontece com o nível de significância do teste (probabilidade de erro tipo I)?

=P(erro Ierro I) = P(rejeitar HH | HH verdadeira ) P(X RC | p = 0,5) = P(X=0 | p=0,5) + ... + P(X=2 | p=0,5) + P(X=10 | p=0,5)+

... + P(X=12 | p=0,5)

= 0,0002 + 0,0029 + 0,0161 + 0,0161 + 0,0029 + 0,0002

= 0,0384

22

Regiões críticas e Regiões críticas e níveis de significância níveis de significância

(Exemplo 1: Moeda)(Exemplo 1: Moeda)

RC {0, 1, 2, 3, 9, 10, 11, 12}

{0, 1, 2, 10, 11, 12} {0, 1, 11, 12}

0,1458 0,0384 0,0063

24

RC

Até agora, o procedimento foi escolher RC determinar .

Alternativamente, podemos fixar determinar RC.

25

Os valores de nível de significância usualmente adotados estão entre 1% e 10%.

Exemplo 2: Suponha que um medicamento existente no mercado produza o efeito desejado em 60% dos casos nos quais é aplicado.

Um laboratório produz um novo medicamentonovo medicamento e afirma que ele é melhor do que o existente.

Objetivo: Verificar estatisticamente se é verda-deira a afirmação do laboratório.

Determinação da Determinação da região região ccríticarítica

Aplicou-se o medicamento em nn = 10 = 10 pacientes.

26

Seja X o número de pacientes, dentre os 10, para os quais o novo medicamento produz o efeito desejado.

Temos que:

X ~ b (10; p),

onde p é a proporção de pacientes para os quais o novo medicamento é eficaz.

H: p = 0,6A: p > 0,6

(1) Hipóteses estatísticas:

que correspondem a H: O novo medicamento é similar ao existente.

A: O novo medicamento é melhor (mais efetivo).27

Pela tabela da binomial (10; 0,6), para k = 9: P(X 9) = 0,0463

(2) Fixemos o nível de significância em 5% ( = 0,05).

(3) A região crítica deve ter a forma:

RC = { X k }

O valor de k deve ser tal que P(erro Ierro I) = P(X RC | p = 0,6) = P(X k | p = 0,6) =

Portanto, RC = {X 9}, que garante um nível de significância menor que 5% (na realidade, = 4,63%).

para k = 8: P(X 8) = 0,1672

28

Valor de E(X) sob H

1086420

0,25

0,20

0,15

0,10

0,05

0,00

x

P(X

= x

)

=0,0463

Re

giã

o d

e

reje

içã

o

Re

giã

o d

e

não

re

jeiç

ão

Hipóteses alternativas Hipóteses alternativas bilateraisbilaterais e e unilaterais unilaterais

No Exemplo 1 (da moeda), as hipóteses sãoH: p = 0,5 e A: p 0,5.

Dizemos que a hipótese alternativa é bilateral (queremos detectar desvios em torno de p = 0,5 em qualquer direção).

31

Hipóteses alternativas Hipóteses alternativas bilaterais bilaterais e e unilaterais unilaterais

No Exemplo 2, as hipóteses sãoH: p = 0,6 e A: p 0,6

isto é, desejamos detectar desvios em p em apenas uma direção (desvios à direita de 0,6).

Nesse caso, a hipótese alternativa é unilateral.

32

Exemplo 3:Exemplo 3: A proporção de analfabetos em um município era de 15% na gestão anterior.

No início da sua gestão, o prefeito atual implantou um programa de alfabetização e após 2 anos afirma que reduziu a proporção de analfabetos.

Para verificar a afirmação do prefeito, n = 60 cidadãos foram entrevistados.

33

Seja X o número de analfabetos entre os 60 cidadãos entrevistados.

34

Então: X ~ b(60; p),

sendo p a proporção atual de analfabetos no município (após o programa de alfabetização).

H: A proporção de analfabetos no município não se alterou (a afirmação do prefeito está incorreta).

A: A proporção de analfabetos no município diminuiu (a afirmação do prefeito está correta).

Equivalentemente,

H: p = 0,15A: p < 0,15

(2) Vamos fixar = 5%.

(1) As hipóteses de interesse são:

35

(3) A região crítica deve ter a forma:

RC = { X k }

O valor de k deve ser tal que P(erro I) = , ou seja,

P(X k | p = 0,15) = 0,05.

RC = {X 4}.

Pela tabela da binomial(60; 0,15),

Na realidade, temos = 0,0424.

36

(5) Decisão e conclusão:

(4) Buscar a evidência na amostra para concluir. Se observamos 6 analfabetos entre os 60 entrevistados, qual a conclusão?

6 RC

Concluímos que não temos evidência suficiente para afirmar que a proporção de analfabetos (após o programa de alfabetização) é inferior a 15%, isto é, não há evidência suficiente de que a afirmação do prefeito seja correta.

Decidimos por não rejeitar H ao nível de significância 4,24%.

38

ResumoResumo

(1) Estabelecer as hipóteses:

H: p = p0 contra uma das alternativas

A: p p0 , A: p p0 ou A: p p0 .

(2) Escolher um nível de significância

(3) Determinar a região crítica RC da forma

{ X k1 } U { X k2 }, { X k } ou { X k },

respectivamente às hipóteses alternativas.

39

(4) Selecionar uma amostra aleatória e determinar o número x de elementos na amostra com o atributo desejado.

(5) Decidir, usando a evidência x, ao nível de significância , e concluir.

x RC rejeitamos H.

x RC não rejeitamos H.

40